买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利基于分布式强化学习的无人集群协同群智目标搜索方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116935058B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310690452.6，技术领域涉及：G06V10/40；该发明授权基于分布式强化学习的无人集群协同群智目标搜索方法是由张晖;张豪杰设计研发完成，并于2023-06-09向国家知识产权局提交的专利申请。

本基于分布式强化学习的无人集群协同群智目标搜索方法在说明书摘要公布了：本发明公开了一种基于分布式强化学习的无人集群协同群智目标搜索方法，获取无人集群中各智能体的局部状态特征，同时将预置的先验知识根据局部状态特征进行深度转换，分别计算无人集群基于预置特征匹配的权重、基于置信度的权重、基于环境动态性的权重和基于距离成本的权重，融合生成无人集群的全局状态特征；对无人集群进行分布式强化学习，完成协同群智搜索，并根据搜索结果完成无人集群智能体数量的动态更新，降低搜索成本。本发明充分考虑到了无人集群间局部状态特征的相互影响，计算四维权重，完成分布式协同；同时动态更新无人集群的规模，提高搜索效率。

本发明授权基于分布式强化学习的无人集群协同群智目标搜索方法在权利要求书中公布了：1.基于分布式强化学习的无人集群协同群智目标搜索方法，其特征在于，具体步骤如下： 步骤1：分别获取先验知识和无人集群当前智能体的局部状态特征，并将先验知识转换为与局部状态特征同深度下的特征； 步骤2：获取无人集群中影响当前智能体的n个智能体的局部状态特征，融合生成当前智能体的全局状态特征； 步骤3：当前智能体根据当前全局状态特征，决策出当前全局状态特征下的最佳全局动作，进行目标搜索任务，并获取当前智能体的下一全局状态特征和动作奖励； 步骤4：重复步骤1到步骤3，对无人集群中各智能体进行分布式强化学习并决策出各智能体每个全局状态特征下的最佳全局动作，进行目标搜索任务； 步骤2中影响当前智能体的n个智能体的局部状态特征，具体表示如下： sj＝[sj,actionsj,out]＝[[xjyjθjdj][pjlidjbj]],j∈1,n 其中sj为影响当前智能体的第j个智能体的局部状态特征，sj,action表示影响当前智能体的第j个智能体的局部动作状态特征，sj,out表示影响当前智能体的第j个智能体的局部环境状态特征，xj,yj表示影响当前智能体的第j个智能体的坐标位置，θj表示影响当前智能体的第j个智能体的朝向，dj表示影响当前智能体的第j个智能体的深度特征，pj表示影响当前智能体的第j个智能体搜索到目标的置信度，lidj为影响当前智能体的第j个智能体的激光雷达在dj深度下的检测特征，bj为影响当前智能体的第j个智能体的视觉相机在dj深度下的检测特征； 当前智能体的全局状态特征S0，具体表示如下： S0＝[S0,actionS0,out]＝[[x0y0θ0d0][W0，0W0，1...W0,j...W0,n]] 其中S0,action表示当前智能体的全局动作状态特征，S0,out表示当前智能体的全局环境状态特征；W0,j表示影响当前智能体的第j个智能体的外部环境影响因子，具体表示如下： 其中，ω0,j表示无人集群基于预置特征匹配的权重，p0,j表示无人集群基于置信度的权重，η0,j表示无人集群基于环境动态性的权重，dis0,j表示无人集群基于距离成本的权重，具体表示如下： 其中xk,yk表示影响当前智能体的第k个智能体的坐标位置，β为目标检测置信度最大阈值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。